電站鍋爐燃燒過程數(shù)據(jù)驅(qū)動預(yù)測控制系統(tǒng)研究.pdf

1、隨著能源短缺、環(huán)境污染等問題日益加劇，為適應(yīng)社會發(fā)展需求，作為高能耗、高排放的火電行業(yè)必須提高運(yùn)行水平。鍋爐燃燒過程決定了污染物的排放水平，研究實現(xiàn)鍋爐燃燒過程優(yōu)化運(yùn)行和經(jīng)濟(jì)燃燒的理論與方法具有重要現(xiàn)實意義。鍋爐燃燒過程包含了復(fù)雜的物理化學(xué)變化，是一個強(qiáng)干擾、多變量強(qiáng)耦合的非線性時變工業(yè)過程。對于這種帶有典型非線性特點、機(jī)理復(fù)雜的鍋爐燃燒過程，常規(guī)建模方法難以建立精確的機(jī)理模型，因此對鍋爐的優(yōu)化控制也難以滿足新要求。而運(yùn)行過程積累的大量

2、數(shù)據(jù)蘊(yùn)含了豐富的系統(tǒng)信息，基于數(shù)據(jù)驅(qū)動的建模與控制方法為機(jī)組的運(yùn)行優(yōu)化提供了一種有效途徑。
　　本文在分析現(xiàn)有理論方法的基礎(chǔ)上，針對支持向量回歸(support vector regression， SVR)算法在大樣本訓(xùn)練中存在訓(xùn)練速度慢、占用內(nèi)存空間大等問題，考慮到工業(yè)過程運(yùn)行數(shù)據(jù)的時間序列特征，根據(jù)數(shù)據(jù)的時效性構(gòu)建一種海量歷史數(shù)據(jù)的重采樣機(jī)制，提出一種基于記憶模式的樣本選擇與更新策略，結(jié)合支持向量回歸算法，形成了基于記憶模式

3、的支持向量回歸建模方法(memory mode support vector regression，MM-SVR)。在此基礎(chǔ)上，為實行燃燒過程關(guān)鍵參數(shù)的在線建模，研究了歷史數(shù)據(jù)與在線數(shù)據(jù)的綜合利用問題，提出一種樣本在線更新策略，構(gòu)造了綜合記憶模式的在線建模方法MM-OSVR(memory modeonline support vector regression)。在幾個標(biāo)準(zhǔn)數(shù)據(jù)集上的仿真分析表明基于記憶模式的支持向量回歸建?？稍诒ＷC模型